Census Transform

1、立體匹配演算法主要可分為兩大類：基於區域性約束和基於全域性約束的立體匹配演算法．

（一）基於全域性約束的立體匹配演算法：在本質上屬於優化演算法，它是將立體匹配問題轉化為尋找全域性能量函式的最優化問題，其代表演算法主要有圖割演算法、置信度傳播演算法和協同優化演算法等．全域性演算法能夠獲得較低的總誤匹配率，但演算法複雜度較高,很難滿足實時的需求，不利於在實際工程中使用．

（二）基於區域性約束的立體匹配演算法：主要是利用匹配點周圍的區域性資訊進行計算，由於其涉及到的資訊量較少，匹配時間較短，因此受到了廣泛關注，其代表演算法主要有 SAD、SSD、NCC等。

2、本文采用區域性約束的立體匹配演算法

（1）Census 變換

Census 變換在實際場景中,造成亮度差異的原因有很多,如由於左右攝像機不同的視角接受到的光強不一致,攝像機增益、電平可能存在差異,以及影像採集不同通道的噪聲不同等，cencus方法保留了視窗中畫素的位置特徵,並且對亮度偏差較為魯棒,簡單講就是能夠減少光照差異引起的誤匹配。

實現原理：在檢視中選取任一點，以該點為中心劃出一個例如3 × 3 的矩形，矩形中除中心點之外的每一點都與中心點進行比較，灰度值小於中心點即記為1，灰度大於中心點的則記為0，以所得長度為 8 的只有 0 和 1 的序列作為該中心點的 census 序列,即中心畫素的灰度值被census 序列替換。經過census變換後的影像使用漢明距離計算相似度,所謂影像匹配就是在視差圖中找出與參考畫素點相似度最高的點，而漢明距正是視差影像素與參考畫素相似度的度量。具體而言，對於欲求取視差的左右檢視，要比較兩個檢視中兩點的相似度，可將此兩點的census值逐位進行異或運算，然後計算結果為1 的個數，記為此兩點之間的漢明值，漢明值是兩點間相似度的一種體現，漢明值愈小，兩點相似度愈大實現演算法時先異或再統計1的個數即可，漢明距越小即相似度越高。（儘管census變換提高了匹配魯棒性,但其包含的影像資訊有限,原始灰度資訊己經完全被拋棄了,因此不能將變換結果用於單畫素或較小視窗的匹配,仍需要使用與其他區域匹配方法中類似的匹配視窗）變換過程如圖 1 所示。

 

127  126 130                1    1    0

126  128 129      --->    1    *    0         ---> cencus序列 ｛11010101｝

127  131  111               1    0    1                                         

                                                                                               --->  異或 ｛01110010｝ --->漢明距為4

110  126 101              1    0    1

146  120 127      --->  0    *    0          ---> cencus序列  ｛10100111｝

112  101  111             1    1    1

                                           圖 1